OmniScaleSR：释放尺度控制的扩散先验以实现忠实且逼真的任意尺度图像超分辨率
计算机视觉与模式识别
2025-12-05 v1
摘要
任意尺度超分辨率（ASSR）克服了传统超分辨率（SR）方法仅在固定尺度（如 4x）运行的局限，使单一模型能够处理任意放大倍数。大多数现有 ASSR 方法依赖隐式神经表示（INR），但其回归驱动的特征提取和聚合内在限制了合成精细细节的能力，导致逼真度较低。近期基于扩散的逼真图像超分辨率（Real-ISR）模型利用强大的预训练扩散先验，在 4x 设置下展示了令人印象深刻的结果。我们观察到它们也能实现 ASSR，因为扩散先验通过鼓励高逼真度生成而隐式地适应尺度。然而，没有显式尺度控制，扩散过程无法针对不同放大倍数进行适当调整，导致过度幻觉或模糊输出，尤其是在超高尺度下。为解决这些问题，我们提出了 OmniScaleSR，一个基于扩散的逼真任意尺度 SR 框架，旨在同时实现高保真度和高逼真度。我们引入了显式的、扩散原生的尺度控制机制，与隐式尺度适应协同工作，实现对扩散过程的尺度感知和内容感知调制。此外，我们结合了多域保真度增强设计以进一步提高重建精度。在双三次退化基准和真实数据集上的大量实验表明，OmniScaleSR 在保真度和感知逼真度方面均超越了最先进方法，在大放大倍数下表现尤为突出。代码将发布于 https://github.com/chaixinning/OmniScaleSR。
引用
@article{arxiv.2512.04699,
title = {OmniScaleSR: Unleashing Scale-Controlled Diffusion Prior for Faithful and Realistic Arbitrary-Scale Image Super-Resolution},
author = {Xinning Chai and Zhengxue Cheng and Yuhong Zhang and Hengsheng Zhang and Yingsheng Qin and Yucai Yang and Rong Xie and Li Song},
journal= {arXiv preprint arXiv:2512.04699},
year = {2025}
}
备注
Accepted as TCSVT, 15 pages